이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

수술 위험 평가를 위한 데이터, 알고리즘 및 임상 추론 통합 (IDEALIST)

2025년 12월 4일 업데이트: University of Florida

수술 위험 평가를 위한 데이터, 알고리즘 및 임상 추론 통합(IDEALIST)

간략한 요약: 이 연구의 목표는 전자 건강 기록에서 수집된 일상적인 임상 데이터를 사용하여 수술 후 합병증의 위험을 실시간으로 예측하는 지능형 수술 전후 시스템(IPS)을 구현하고 테스트하는 것입니다. 컴퓨터 생성 위험 점수의 정확도는 동일한 환자에 대한 의사의 위험 점수와 비교됩니다. 의사는 또한 프로그램과의 대화형 인터페이스를 사용하여 컴퓨터에서 생성된 위험 점수에 대한 의견을 제공해야 합니다. 위험 점수 성능에 관한 정보는 6개월의 두 기간 동안 수집됩니다. IPS와 의사의 정확도는 이 두 기간의 마지막에 비교됩니다.

연구 개요

상태

모집하지 않고 적극적으로

개입 / 치료

상세 설명

수술 후 합병증은 수술 후 이환율, 사망률 및 비용을 크게 증가시킵니다. 현재의 임상 실습에서 수술 후 합병증 발생 위험의 예측은 의사의 임상적 판단에 근거합니다. 그 판단의 예측 정확도는 제한적이며 제대로 연구되지 않았습니다. 연구자들은 전자 건강 기록의 일상적인 임상 데이터를 사용하여 수술 후 합병증의 위험을 실시간으로 예측하는 일련의 컴퓨터 소프트웨어 및 알고리즘으로 지능적인 수술 전후 시스템(IPS)을 설계할 것입니다. 이 시스템은 의사와 상호 작용하고 피드백을 요청할 수 있는 자가 학습 시스템으로 설계되었습니다. 이 연구는 의사의 임상적 판단을 대수술을 받는 환자에 대한 컴퓨터 생성 위험 점수와 비교할 것입니다. 대규모 단일 센터 3차 학술 센터의 모든 외과 의사와 마취 전문의가 이 연구에 참여하도록 모집됩니다. IPS 시스템은 실시간으로 구현되며 연구에 등록된 의사가 수행하는 수술을 받을 예정인 환자의 수술 후 합병증에 대한 위험 점수를 생성합니다. 의사는 IPS와 상호 작용하기 전과 후에 동일한 환자에 대한 위험 점수(0-100의 시각적 아날로그 위험 척도 사용)를 제공해야 합니다. 그들은 또한 컴퓨터에서 생성된 위험 점수를 검토하고 피드백을 제공할 기회를 갖게 됩니다. 정보는 6개월 동안 두 번 수집됩니다. 각 6개월의 기간이 끝날 때 예측된 위험 추정치는 합병증의 실제 발생과 비교됩니다. 의사의 위험 점수의 예측 성능은 수신자 작동 곡선(AUC) 아래 영역, 민감도, 특이도 및 양성 및 음성 예측값 사이의 비교를 사용하여 IPS 생성 위험 점수와 비교됩니다.

연구 유형

관찰

등록 (추정된)

200

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

    • Florida
      • Gainesville, Florida, 미국, 32610-3003
        • UF Health
      • Jacksonville, Florida, 미국, 32209
        • UF Health Jacksonville

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

18년 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

비확률 샘플

연구 인구

단일 센터 학술 3차 센터에서 성인 입원 환자 수술 실습의 모든 외과의 및 마취과 의사가 등록됩니다. 산부인과 및 소아과 의사는 제외됩니다.

설명

포함 기준:

성인 입원 환자 수술 실습에서 일하는 외과 의사 및 마취 전문의.

제외 기준:

산부인과 및 소아과 실습에서 일하는 외과 의사 및 마취 전문의.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
의사

대규모 단일 센터 3차 학술 센터의 모든 외과 의사와 마취 전문의가 이 연구에 참여하도록 모집됩니다.

개입: 수술 전 및 수술 직후 위험 평가.

의사는 IPS가 점수를 산출하는 동일한 환자에 대해 수술 전 및 수술 직후 수술 후 합병증에 대한 위험 점수(0에서 100까지의 범위)를 제공하도록 요청받을 것입니다. 의사는 IPS에서 생성된 위험 점수를 검토하기 전후에 점수를 제공합니다.

의사는 IPS가 점수를 산출하는 동일한 환자에 대해 수술 전 및 수술 직후 수술 후 합병증에 대한 위험 점수(0에서 100까지의 범위)를 제공하도록 요청받을 것입니다. 의사는 IPS에서 생성된 위험 점수를 검토하기 전후에 점수를 제공합니다.

IPS 시스템은 연구에 등록한 의사가 치료한 환자의 수술 전 및 수술 직후 수술 후 합병증에 대한 위험 점수(0~100 범위)를 생성합니다.

지능적인 수술 전후 시스템(IPS)

지능형 수술 전후 시스템(IPS)은 전자 건강 기록의 일상적인 임상 데이터를 사용하여 수술 후 합병증의 위험을 실시간으로 예측하는 일련의 컴퓨터 소프트웨어 및 알고리즘으로 설계되었습니다. 이 시스템은 의사와 상호 작용하고 피드백을 요청할 수 있는 자가 학습 시스템으로 설계되었습니다.

개입: 수술 전 및 수술 직후 위험 평가.

IPS 시스템은 연구에 등록한 의사가 치료한 환자의 수술 전 및 수술 직후 수술 후 합병증에 대한 위험 점수(0~100 범위)를 생성합니다.

의사는 IPS가 점수를 산출하는 동일한 환자에 대해 수술 전 및 수술 직후 수술 후 합병증에 대한 위험 점수(0에서 100까지의 범위)를 제공하도록 요청받을 것입니다. 의사는 IPS에서 생성된 위험 점수를 검토하기 전후에 점수를 제공합니다.

IPS 시스템은 연구에 등록한 의사가 치료한 환자의 수술 전 및 수술 직후 수술 후 합병증에 대한 위험 점수(0~100 범위)를 생성합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
위험 추정치의 수신자 작동 곡선(AUC) 아래 영역
기간: 6개월의 학습 기간이 끝나면.
각 6개월의 기간이 끝날 때 예측된 위험 추정치는 합병증의 실제 발생과 비교됩니다. 위험 추정을 위해 수신기 작동 곡선(AUC) 아래 영역을 비교하여 의사의 예측 성능을 IPS와 비교합니다.
6개월의 학습 기간이 끝나면.

2차 결과 측정

결과 측정
측정값 설명
기간
위험 추정치의 민감도 및 특이성
기간: 6개월의 학습 기간이 끝나면.
각 6개월의 기간이 끝날 때 예측된 위험 추정치는 합병증의 실제 발생과 비교됩니다. 위험 추정치에 대한 민감도와 특이도를 비교하여 의사의 예측 성능을 IPS와 비교합니다.
6개월의 학습 기간이 끝나면.
양수 및 음수 예측 값
기간: 6개월의 학습 기간이 끝나면.
각 6개월의 기간이 끝날 때 예측된 위험 추정치는 합병증의 실제 발생과 비교됩니다. 의사의 예측 성능은 위험 추정에 대한 긍정적 및 부정적 예측 값을 비교하여 IPS와 비교됩니다.
6개월의 학습 기간이 끝나면.

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Azra Bihorac, MD, University of Florida

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작

2016년 10월 1일

기본 완료 (추정된)

2028년 11월 1일

연구 완료 (추정된)

2028년 11월 1일

연구 등록 날짜

최초 제출

2016년 4월 13일

QC 기준을 충족하는 최초 제출

2016년 4월 13일

처음 게시됨 (추정된)

2016년 4월 18일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 12월 5일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 12월 4일

마지막으로 확인됨

2025년 6월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

예

IPD 계획 설명

식별되지 않은 모든 데이터는 University of Florida Integrated Data Repository에서 관리합니다. 조사관은 HIPAA(Health Insurance Portability and Accountability Act)에 따른 연방 규정인 개인 정보 보호 규칙과 같은 지역, 주 및 연방법을 준수합니다. 조사관은 일반 NIH 데이터 공유 지침을 따르고 관련 NIGMS 프로그램 담당자가 검토하고 승인할 데이터 공유 계획을 제공합니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

구독하다